v1.0 - Version stable: multi-PC, détection UI-DETR-1, 3 modes exécution

- Frontend v4 accessible sur réseau local (192.168.1.40)
- Ports ouverts: 3002 (frontend), 5001 (backend), 5004 (dashboard)
- Ollama GPU fonctionnel
- Self-healing interactif
- Dashboard confiance

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

docs/guides/INSTALLATION_GUIDE.md

@@ -0,0 +1,143 @@
+# Guide d'Installation - RPA Vision V3
+
+## 🚀 Installation Rapide
+
+### Méthode 1 : Script d'installation automatique (Recommandé)
+
+```bash
+# 1. Installer les dépendances
+./install_deps.sh
+
+# 2. Lancer l'application
+./run.sh
+```
+
+## 🔐 Sécurité (Fiche #23)
+
+Depuis la Fiche #23, l'API et le dashboard peuvent exiger un token.
+
+- En **local**, `./run.sh` crée automatiquement un fichier `.env.local` si absent, avec des tokens.
+- En **production systemd**, utiliser `sudo ./server/install_prod_stack.sh` (il génère aussi les tokens/secret).
+
+➡️ Voir `SECURITY_QUICKSTART.md` pour les commandes prêtes à copier.
+
+### Méthode 2 : Installation manuelle
+
+```bash
+# 1. Créer l'environnement virtuel
+python3 -m venv venv_v3
+
+# 2. Activer l'environnement
+source venv_v3/bin/activate
+
+# 3. Installer les dépendances
+pip install -r requirements.txt
+pip install mss pyautogui pygetwindow opencv-python
+pip install pytest pytest-cov Flask
+
+# 4. Lancer l'application
+python run_gui.py
+```
+
+## 📋 Prérequis
+
+- **Python** : 3.8 ou supérieur (3.12 recommandé)
+- **RAM** : 8GB minimum, 16GB recommandé
+- **Système** : Linux, macOS, ou Windows
+- **Ollama** (optionnel) : Pour la détection UI avec VLM
+
+## 🔧 Installation d'Ollama (Optionnel)
+
+Pour utiliser la détection UI sémantique avec VLM :
+
+```bash
+# Linux
+curl -fsSL https://ollama.ai/install.sh | sh
+
+# macOS
+brew install ollama
+
+# Démarrer Ollama
+ollama serve
+
+# Télécharger le modèle
+ollama pull qwen3-vl:8b
+```
+
+## ✅ Vérification de l'installation
+
+```bash
+# Activer l'environnement
+source venv_v3/bin/activate
+
+# Vérifier les imports
+python -c "from core.detection import UIDetector; print('✓ UIDetector OK')"
+python -c "import faiss; print('✓ FAISS OK')"
+python -c "import torch; print('✓ PyTorch OK')"
+
+# Vérifier le système de capture
+python verify_capture_system.py
+```
+
+## 🐛 Résolution de problèmes
+
+### Erreur : "externally-managed-environment"
+
+Vous devez utiliser un environnement virtuel :
+
+```bash
+python3 -m venv venv_v3
+source venv_v3/bin/activate
+```
+
+### Erreur : "No module named 'faiss'"
+
+```bash
+source venv_v3/bin/activate
+pip install faiss-cpu
+```
+
+### Erreur : "No module named 'torch'"
+
+```bash
+source venv_v3/bin/activate
+pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
+```
+
+### Capture d'écran ne fonctionne pas
+
+```bash
+source venv_v3/bin/activate
+pip install mss pyautogui pygetwindow opencv-python
+```
+
+## 📚 Documentation
+
+- **Quick Start** : `QUICK_START.md`
+- **Architecture** : `docs/reference/ARCHITECTURE_VISION_COMPLETE.md`
+- **Guide de test** : `TESTING_GUIDE.md`
+- **Guide d'entraînement** : `TRAINING_GUIDE.md`
+
+## 🎯 Prochaines étapes
+
+Une fois l'installation terminée :
+
+1. Lire le `QUICK_START.md`
+2. Tester la détection UI : `./test_quick.sh`
+3. Explorer les exemples : `examples/`
+4. Consulter la documentation : `docs/`
+
+## 💡 Conseils
+
+- Utilisez toujours l'environnement virtuel `venv_v3`
+- Pour GPU : Installez PyTorch avec CUDA
+- Pour production : Configurez Ollama en service
+- Pour développement : Installez les outils de test
+
+## 📞 Support
+
+En cas de problème :
+
+1. Vérifier les logs dans `logs/`
+2. Consulter `STATUS_24NOV.md` pour l'état du projet
+3. Lire la documentation dans `docs/`